平均而言，企业估计他们每周花费55个小时来进行手动流程和检查。可以避免吗?
在这里，工业零件供应商EU Automation的市场总监Jonathan Wilkins解释了人工智能(AI)在供应链管理中的潜力。
这些琐碎但必不可少的任务相当于一个工作年中的6,500个工作小时，其中一些可以通过实施AI和自动化来节省。但是，这些财务问题仅代表复杂供应链的一部分。人工智能处理还能从物流和分销等更广泛的挑战中受益吗?
随着数据量以前所未有的速度增长，计算机能够以上下文方式解析数据，从而为操作员提供有用的见解-而无需他们做任何繁琐的事情。大数据技术还能够分析市场趋势，与企业系统集成并根据其收集的数据触发自动操作。
做好AI准备
企业必须具有深度粒度的大型数据集，才能进行有效的AI。粒度用于表征AI高度依赖的一组数据中细节的规模或水平。粒度越大，数据的详细程度越深。无论AI实施是否在即将到来的计划中，确保数据收集和存储都适合高粒度是一个好主意。
提高粒度可能意味着增加数据读取的频率，提高此类记录的精度，甚至将传感器放置在新位置以测量新变量。例如，如果流量计当前正在测量以升每分钟为单位的液体流速，则将此记录更改为每分钟毫升可以提供更深入的数据。最终，即使今天的企业还没有做好AI的准备，提高粒度将为AI不可避免地成为竞争优势提供基础。
针对特定问题
一开始要牢记一个业务目标。将精力和资源集中在单个问题上意味着可以有效地解决一个重大的痛点，与全面检查流程相比，风险相对较低。通过选择一个离散的项目，可以建立起最初的成功，可以吸取教训，然后将其应用于供应链中的其他领域。
设备供应计划
供应链计划是一项至关重要的活动，它使用智能工作工具为可能出错的地方建立具体计划。例如，利用过去设备和当前机器性能获得的数据，AI可以准确地预测何时需要更换零件以保持工厂的最佳运转。这一点至关重要，特别是对于现在已经过时的旧旧设备，因为从过时的零件供应商处寻找零件的交货时间会有所不同。
随着复杂的生产和分销网络开放给AI带来好处，供应链将比该技术的任何其他应用产生更大的经济影响。实际上，麦肯锡估计，通过在供应链中采用人工智能，企业每年将获得13亿至21亿美元的经济价值。
但是请记住-对于刚开始使用该技术的企业，重点应放在构建数据粒度和选择特定问题上以使用该技术来克服。